文件名称：最近邻推荐系统缺少的数据悖论-研究论文
文件大小：633KB
文件格式：PDF
更新时间：2024-06-08 11:00:36
recommender systems collaborative filtering predictive
推荐系统通常在稀疏矩阵上工作。 尽管大多数方法都假定这样做，但这些矩阵的条目通常不会随机丢失（NMAR）。 这有什么问题？ 我们提出一个难题。 一些方法明确地说明了NMAR进程。 事实证明，这可以改善预测。 但是，许多方法都假定随机丢失条目（MAR）。 尽管在此假设下它们可能是错误的，但我们表明，尽管如此，它们仍可能从中受益。 鉴于某些数据必须丢失，NMAR通常可以选择“正确的”值进行保留（即，它保留了更多信息的数据）。 因此，尽管人们认为NMAR不好，但它通常可以改善建议。 即使违反了该假设，这也可以解释协作过滤在历史上的成功。